Hoppa till innehåll
VibekollenBETAVibekollen

Källa

TWIML AI

5 referat i flödet. Sammanfattningarna är skrivna av Vibekollen — innehållet tillhör TWIML AI.

PoddTWIML AI

From Math Olympiads to Navier-Stokes: How Fast Is AI Progressing? with Greg Burnham - #778

AI systems have gone from struggling with grade-school math to helping solve research problems that have resisted mathematicians for decades, including Navier-Stokes. In this episode, Greg Burnham, who leads AI capabilities research at Epoch AI, joins us to examine what that progress says about where AI is going. We look at how these systems are solving hard math problems, how much they rely on persistence and prior human work, and whether they are starting to produce genuinely new ideas. We also discuss how to measure progress as traditional benchmarks become less useful, why capability gains appear surprisingly steady across model generations, and where models still struggle with open-ended work, learning from experience, and identifying promising new research directions. 🗒️ Full show notes: https://twimlai.com/go/778.

29 sep. twimlai.com

PoddTWIML AI

From Voice Agents to AI Avatars with Alexander Smola - #777

Podden diskuterar utvecklingen från dagens röstassistenter till AI-agenter som både kan tala och se — så kallade audiovisuella agenter och AI-avatarer. Alexander Smola, grundare av Boson AI och professor på Carnegie Mellon University, går igenom de tekniska utmaningarna: små fördröjningar, felaktiga avbrott och ton kan snabbt förstöra upplevelsen. Han förklarar tekniska kompromisser som audio-tokenisering (ett sätt att dela upp ljud i enheter för AI), svarstid och beräkningskostnad. En viktig insikt är att när systemen kan både se och ses blir kraven ännu högre — och att emotionell intelligens samt förmågan att lära från människor blir avgörande för att överskrida imponerande demos och nå naturliga samtal.

16 sep. twimlai.com

PoddTWIML AI

Do AI Tokenomics Matter More Than Model Benchmarks? with Chris Potts - #776

I det här poddavsnittet diskuterar Stanford-professor Chris Potts begreppet "tokenflation" — idén att AI-modeller använder fler och fler tokens (små enheter text som modellen behandlar) utan att ge motsvarande ökning i värde eller prestation. Potts menar att när vi bedömer hur bra en AI-modell är, fokuserar vi ofta bara på benchmarks — testresultat — men glömmer bort vad det faktiskt kostar att köra modellen. Han förklarar att användare som är skickliga på att iterera och utmana modellerna får bättre resultat, och att mer effektiva arkitekturer kunde förändra ekonomin kring AI-utgifter.

9 sep. twimlai.com

PoddTWIML AI

World Models and the Future of Spatial AI with Justin Johnson - #775

Podden handlar om världsmodeller — AI-system som kan förstå, generera och simulera miljöer runt omkring oss. Justin Johnson från World Labs förklarar att detta är en viktig utvecklingsfrontier bortom bara språk. Han beskriver olika sätt att bygga världsmodeller, bland annat explicit 3D-representation och generativa modeller, och pekar på att det ännu inte finns ett etablerat recept för detta. World Labs' system Marble kan generera navigerbara 3D-världar från bilder, och Johnson diskuterar utmaningarna med att bedöma hur bra världsmodeller fungerar, samt hur simulering, planering och handling spelar in.

1 sep. twimlai.com

PoddTWIML AI

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

Max Welling, professor och medgrundare av CuspAI, argumenterar att nästa stora framsteg inom AI kan komma från fysiken snarare än bara från mer datorkraft och större modeller. CuspAI använder generativ AI för att designa nya material för halvledare, batterier och ren energi, och Welling menar att grundmodeller för kemi tillsammans med automatiserad experimentering accelererar upptäckten av nya material dramatiskt. Han föreslår också att fysiken kan lära AI-forskare att bygga bättre system — genom att studera kopplingar mellan maskininlärning och termodynamik, genom att utforska vågor som en ny beräkningsmetod för neurala nätverk, och genom symmetribegrepp från statistisk fysik.

26 aug. twimlai.com